基本能力
产品定位
MCP - Titan Memory Server 是一个专注于代码生成和理解的神经记忆模型服务器，通过记忆向量和序列学习提升开发效率。
核心功能
- 神经记忆模型，可配置维度
- 序列学习和预测
- 惊喜度指标计算
- 模型持久化（保存/加载）
- 记忆状态管理
- 完整的MCP工具集成
适用场景
- 代码生成和理解
- 序列预测任务
- 需要记忆状态管理的AI应用
工具列表
- init_model: 初始化Titan Memory模型，可自定义配置输入和输出维度。
- train_step: 使用当前和下一个状态向量执行单次训练步骤。
- forward_pass: 通过输入向量运行前向传播。
- save_model: 将模型保存到指定路径。
- load_model: 从指定路径加载模型。
- get_status: 获取当前模型状态和配置。
- train_sequence: 在向量序列上训练模型。
常见问题解答
- 如何初始化模型？ 使用
init_model工具，可自定义输入和输出维度。 - 如何训练模型？ 使用
train_step或train_sequence工具进行训练。 - 如何保存和加载模型？ 使用
save_model和load_model工具。
使用教程
使用依赖
# 安装依赖
npm install安装教程
# 构建项目
npm run build
# 运行测试
npm test调试方式
# 运行测试以验证安装
npm test示例用法
// 初始化模型
await callTool('init_model', { inputDim: 64, outputDim: 64 });
// 在序列上训练
const sequence = [
[1, 0, 0, /* ... */],
[0, 1, 0, /* ... */],
[0, 0, 1, /* ... */]
];
await callTool('train_sequence', { sequence });
// 运行前向传播
const result = await callTool('forward_pass', {
x: [1, 0, 0, /* ... */]
});